Análisis ABC/XYZ | Logística: Inventarios y Almacenes

Tipos de Demanda y su influencia en la Gestión de Stocks

Contenido del vídeo: Clasificación de la demanda según múltiples criterios: estabilidad, tendencia y estacionalidad; movimiento rápido o lento; independiente o dependiente; limitada o no limitada. La clasificación importa porque distintos patrones de demanda exigen políticas de gestión distintas — que es exactamente la lógica que subyace al análisis ABC/XYZ.

García Sabater, JP. Tipos de Demanda y su influencia en la Gestión de Stocks. UPV-ROGLE

¿Por Qué Clasificar?

En la mayoría de empresas:

80% del valor proviene del 20% de los productos (Ley de Pareto)
Pocos productos requieren gestión sofisticada
Muchos productos pueden gestionarse con políticas simples
La variabilidad de la demanda afecta la complejidad de gestión

Objetivo: Asignar recursos y atención proporcionales a la importancia e incertidumbre de cada producto.

Análisis ABC (Ley de Pareto)

Clasificación por Valor

El análisis ABC clasifica productos según su contribución al valor total del inventario (unidades × coste unitario).

Criterios de Clasificación

Clase	% Productos	% Valor	Gestión
A	~20%	~80%	Seguimiento estrecho
B	~30%	~15%	Seguimiento moderado
C	~50%	~5%	Seguimiento mínimo

Curva de Pareto

Ejemplo de Cálculo

Producto	Demanda anual	Coste unitario (€)	Valor total (€)	% del total	% Acumulado	Clase ABC
SKU-001	5,000	150	750,000	37.5%	37.5%	A
SKU-002	3,000	200	600,000	30.0%	67.5%	A
SKU-003	2,000	125	250,000	12.5%	80.0%	A
SKU-004	1,500	80	120,000	6.0%	86.0%	B
SKU-005	1,000	90	90,000	4.5%	90.5%	B
SKU-006	800	55	44,000	2.2%	92.7%	B
SKU-007	600	40	24,000	1.2%	93.9%	B
SKU-008	400	30	12,000	0.6%	94.5%	C
SKU-009	300	25	7,500	0.4%	94.9%	C
SKU-010	200	20	4,000	0.2%	95.1%	C
TOTAL			1,901,500	100%	-	-

Resultado: 3 productos (30%) representan el 80% del valor → Clase A. Deben recibir máxima atención.

Análisis XYZ (Variabilidad)

Clasificación por Predictibilidad

El análisis XYZ clasifica productos según la variabilidad de su demanda, medida por el Coeficiente de Variación (CV):

\[ CV = \frac{\sigma}{\mu} \]

Donde σ = desviación estándar y μ = media de la demanda

Criterios de Clasificación

Clase	CV	Característica	Predictibilidad
X	< 0.25	Estable	Alta
Y	0.25 - 1.0	Moderada	Media
Z	> 1.0	Errática	Baja

Ejemplo de Cálculo

Producto	Media (μ)	Desv. Std (σ)	CV	Clase XYZ
SKU-001	1,000	150	0.15	X
SKU-002	800	200	0.25	X
SKU-003	600	300	0.50	Y
SKU-004	400	360	0.90	Y
SKU-005	300	450	1.50	Z

Interpretación:

Clase X: Demanda predecible → métodos cuantitativos funcionan bien
Clase Y: Variabilidad moderada → requiere ajustes frecuentes
Clase Z: Demanda errática → métodos cualitativos, buffers altos

Matriz Combinada ABC-XYZ

9 Categorías, 9 Políticas

Combinando ABC (valor) y XYZ (variabilidad), obtenemos una matriz de 9 categorías, cada una con necesidades de gestión diferentes:

Políticas de Gestión para PRODUCTOS

	X (CV < 0.25) Estable	Y (0.25 ≤ CV < 1.0) Moderada	Z (CV ≥ 1.0) Errática
A Alto valor	AX - Estrellas • EOQ estricto • Revisión continua (Q,r) • Automatización completa • SS mínimo • Entregas frecuentes	AY - Críticos • EOQ con SS mayor • Monitorizar errores • Media móvil, suavizado • Revisión semanal • Inventario de seguridad	AZ - Problemáticos • Revisión muy frecuente • Pronóstico cualitativo • Buffers altos • Análisis causal • Contacto con cliente
B Valor medio	BX - Rutinarios • EOQ estándar • Inventario moderado • Control mensual • Revisión periódica (P) • SS estándar	BY - Normales • Revisión periódica • Pronóstico ajustado • Análisis trimestral • SS moderado • Alertas automáticas	BZ - Irregulares • Revisión mensual • Stock de seguro alto • Proveedores alternativos • Considerar estándar • Negociar flexibilidad
C Bajo valor	CX - Económicos • Revisión periódica • Lotes grandes • Mínimo control • Pedido anual/semestral • Sin SS	CY - Básicos • Pedido simple • Stock mínimo • Revisión anual • Proveedor único • Sin análisis	CZ - Evaluar • Evaluar discontinuar • Solo bajo pedido • Sin inventario • Dropship si posible • Consolidar con otros

Políticas de Gestión para CLIENTES

	X (Estable)	Y (Moderada)	Z (Errática)
A Alto valor	AX - Cuentas Clave • SLA 99% • Atención prioritaria • Gestor dedicado • VMI (si aplica) • Revisión mensual	AY - Socios • SLA 98% • Relación estrecha • Revisión trimestral • Comunicación proactiva • Adaptación a patrones	AZ - Especiales • Gestión personalizada • Inventario dedicado • Comunicación constante • Previsión colaborativa • Buffers dedicados
B Valor medio	BX - Regulares • SLA estándar 95% • Atención normal • Pedidos automáticos • Portal self-service • Revisión semestral	BY - Normales • SLA 95% • Comunicación regular • Revisión semestral • Ajustes estacionales • Alertas automáticas	BZ - Reactivos • Gestión reactiva • SS estándar • Seguimiento básico • Alertas automáticas • Buffers si necesario
C Bajo valor	CX - Autoservicio • Portal web • Sin personalización • Proceso automatizado • Pedido mínimo • SLA 90%	CY - Ocasionales • SLA 90% • Comunicación mínima • Stock bajo demanda • Pedido mínimo alto • Sin análisis	CZ - Evaluar • Evaluar rentabilidad • Considerar dropship • Pedido mínimo muy alto • Lead time extendido OK • Considerar descontinuar

Fundamento Matemático: Leyes Potenciales

Ley de Pareto y Ley de Zipf

Ley de Pareto (Vilfredo Pareto, 1896)

Observación original: 80% de la tierra en Italia pertenecía al 20% de la población.

Generalización: Distribución potencial donde pocos elementos representan la mayor parte del efecto total.

\[ P(X > x) \propto x^{-\alpha} \]

Con α ≈ 1.16 produce la regla 80/20

Ley de Zipf (George K. Zipf, 1949)

Observación original: Frecuencia de palabras en textos sigue un patrón predecible.

Generalización: El valor del elemento en rango r es inversamente proporcional a r elevado a un exponente α.

\[ f(r) = \frac{C}{r^{\alpha}} \]

Donde r = rango (1, 2, 3...), α = exponente, C = constante

Conexión con el Análisis ABC

El análisis ABC es una aplicación práctica de la distribución Zipf/Pareto:

Los productos en inventario siguen naturalmente esta distribución
El exponente α típicamente está entre 1.0 y 1.5 en empresas
Con α = 1.16, se obtiene exactamente la regla 80/20
Gráfico log-log muestra línea recta (característica de power law)

Ejemplos de Distribuciones Zipf en la Naturaleza

Ciudades

Población de ciudades por rango. La ciudad más grande tiene ~2× la población de la 2ª.

Riqueza

Distribución de ingresos. El 1% más rico posee >50% de la riqueza.

Ventas

Pocos productos generan la mayor parte de las ventas (principio ABC).

Parámetros de la Distribución Zipf

α = 1.0: Distribución más plana (menos concentración)
α = 1.16: Produce exactamente 80/20 (Pareto clásico)
α = 1.5: Distribución muy concentrada (top products dominan)
α = 2.0: Extremadamente concentrada (90/10 o más)

El simulador ABC/XYZ te permite generar datasets con distribución Zipf y experimentar con diferentes valores de α para ver cómo afecta la concentración.

Caso Práctico

Distribuidora Electrónica S.L.

Situación: Empresa con 50 SKUs quiere optimizar su gestión de inventario.

Resultado del análisis ABC/XYZ:

10 productos AX: Alto valor, demanda estable → EOQ automatizado, revisión continua
5 productos AY: Alto valor, demanda variable → Monitoreo semanal, SS mayor
2 productos AZ: Alto valor, demanda errática → Gestión manual, contacto con clientes clave
15 productos BX/BY: Revisión periódica mensual, políticas estándar
18 productos CX/CY/CZ: Pedidos semestrales, lotes grandes, control mínimo

Impacto:

Reducción de 40% en rupturas de stock para productos A
Reducción de 25% en inventario total (eliminar SS innecesario en productos C)
Liberación de 60% del tiempo del equipo de planificación (automatización de AX, simplificación de C)

Prueba el Simulador

Limitaciones y Consideraciones

Limitaciones del Análisis ABC

Solo considera valor, no margen
No considera criticidad (un tornillo barato puede ser crítico)
Asume que valor = importancia (no siempre cierto)
No considera obsolescencia

Limitaciones del Análisis XYZ

Asume que variabilidad pasada predice futura
No detecta cambios de patrón (producto que se vuelve errático)
Requiere historial suficiente
No considera estacionalidad vs variabilidad aleatoria

Mejores Prácticas

Revisar periódicamente: Productos cambian de categoría (trimestral/semestral)
Considerar otros factores: Lead time proveedor, criticidad, substitutibilidad
Análisis por familia: Combinar con análisis de margen, no solo valor
Adaptar criterios: Los umbrales (80%, 0.25) son orientativos, ajustar según negocio
Comunicar claramente: Explicar a stakeholders por qué productos C reciben menos atención

Conceptos Clave

1. Clasificación ABC (Valor)

Aplicación de la Ley de Pareto: 20% productos → 80% valor. Priorizar atención según contribución económica.

2. Clasificación XYZ (Variabilidad)

Clasificación por predictibilidad (CV). Demanda estable permite métodos cuantitativos; demanda errática requiere gestión cualitativa.

3. Matriz 3x3

Combinar ABC y XYZ genera 9 categorías, cada una con política de gestión diferenciada.

4. Ley de Zipf

Distribución potencial f(r) = C/r^α. Fundamento matemático del análisis ABC. Aparece naturalmente en inventarios.

5. Políticas Diferenciadas

No todos los SKUs merecen el mismo esfuerzo. Recursos limitados deben asignarse donde más impacto tienen.

6. Revisión Periódica

Productos cambian de categoría. Revisar clasificación trimestral o semestralmente.